奶牛跛行行为信息间接反映其腿部的健康状态,准确跟踪奶牛腿部是实现跛行检测的重要基础。然而现有奶牛跛行智能检测常设于养殖场挤奶通道处,此视角下奶牛腿部存在遮挡、模糊、形变问题,该研究针对此类问题提出了一种基于遮挡环境下的...奶牛跛行行为信息间接反映其腿部的健康状态,准确跟踪奶牛腿部是实现跛行检测的重要基础。然而现有奶牛跛行智能检测常设于养殖场挤奶通道处,此视角下奶牛腿部存在遮挡、模糊、形变问题,该研究针对此类问题提出了一种基于遮挡环境下的奶牛腿部跟踪与跛行智能检测方法。首先,设计了改进FairMOT的奶牛腿部目标跟踪模型,获取奶牛腿部轨迹信息;其次,基于奶牛步态周期变化规律,设计了基于遮挡环境下的奶牛运动轨迹曲线拟合方法;最后通过个体阈值进行奶牛步态运动的阶段划分和参数获取,实现对跛行行为的检测。试验结果表明,改进模型具有良好的定位精度和跟踪效果,相比FairMOT原始模型,多目标跟踪准确度(MOTA,multiple object tracking accuracy)提升3.79个百分点,多目标跟踪精确度(MOTP,multiple object tracking percision)和目标ID切换总数(IDs,the total number of identity switches)分别降低0.022,35;跛行检测的分类准确率为86.67%,该研究结果为后续奶牛跛行行为的智能监测提供参考。展开更多
文摘奶牛跛行行为信息间接反映其腿部的健康状态,准确跟踪奶牛腿部是实现跛行检测的重要基础。然而现有奶牛跛行智能检测常设于养殖场挤奶通道处,此视角下奶牛腿部存在遮挡、模糊、形变问题,该研究针对此类问题提出了一种基于遮挡环境下的奶牛腿部跟踪与跛行智能检测方法。首先,设计了改进FairMOT的奶牛腿部目标跟踪模型,获取奶牛腿部轨迹信息;其次,基于奶牛步态周期变化规律,设计了基于遮挡环境下的奶牛运动轨迹曲线拟合方法;最后通过个体阈值进行奶牛步态运动的阶段划分和参数获取,实现对跛行行为的检测。试验结果表明,改进模型具有良好的定位精度和跟踪效果,相比FairMOT原始模型,多目标跟踪准确度(MOTA,multiple object tracking accuracy)提升3.79个百分点,多目标跟踪精确度(MOTP,multiple object tracking percision)和目标ID切换总数(IDs,the total number of identity switches)分别降低0.022,35;跛行检测的分类准确率为86.67%,该研究结果为后续奶牛跛行行为的智能监测提供参考。
